Simons Genome Diversity Project

本数据集由 Simons Genome Diversity Project (SGDP) 提供，包含来自 127 个不同种群的 279 个公开可用基因组。如需了解详情，请参阅以下出版物：

数据集访问

Cloud Storage 文件夹

以下文件位于 genomics-public-data Cloud Storage 存储分区中：

BigQuery 数据集

您可以访问 BigQuery 中的以下数据集以进行数据探索和查询：

关于数据集

包含 279 个基因组的完整数据集

来自 SGSP README 的公开 VCF 文件已被提取至 gs://genomics-public-data/simons-genome-diversity-project Cloud Storage 存储分区。

随后这些文件被导入到 Cloud Life Sciences 中，变体被导出到 bigquery-public-data:human_genome_variants.simons_genome_diversity_project_sample_variants BigQuery 表格中。

通过运行以下命令，样本元数据已被加载到 bigquery-public-data:human_genome_variants.simons_genome_diversity_project_sample_metadata BigQuery 表格中：

wget http://simonsfoundation.s3.amazonaws.com/share/SCDA/datasets/10_24_2014_SGDP_metainformation_update.txt
# Strip blank lines from end of file and white space from end of lines.
sed ':a;/^[\t\r\n]\*$/{$d;N;ba}' 10_24_2014_SGDP_metainformation_update.txt \
    | sed 's/\s*$//g' > 10_24_2014_SGDP_metainformation_update.tsv
bq load --autodetect \
    simons_genome_diversity_project.sample_metadata 10_24_2014_SGDP_metainformation_update.tsv

样本元数据不使用 VCF 所使用的样本标识符，并且它也缺少一行。其样本属性从 http://www.ebi.ac.uk/ena/data/view/PRJEB9586 下载并重新整合到 bigquery-public-data:human_genome_variants.simons_genome_diversity_project_sample_attributes BigQuery 表格中。此过程使用 wrangle-simons-sample-attributes.R 脚本完成。该脚本重新映射三个样本，这些样本的源 VCF 中的 ID 与 EBI 上的相应 Illumina ID 属性不匹配。

使用：此数据集公开提供给所有人使用，但使用者需遵循数据集来源（https://www.hms.harvard.edu 和 https://www.simonsfoundation.org/simons-genome-diversity-project/）规定的条款；Google“按原样”提供数据集，对此不作任何明示或暗示的保证。 对于因使用此数据集而导致的任何直接或间接损害，Google 不承担任何责任。